集合并卷积的三种求法
Posted morning-glory
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了集合并卷积的三种求法相关的知识，希望对你有一定的参考价值。
本文主要内容是对武汉市第二中学吕凯风同学的论文《集合幂级数的性质与应用及其快速算法》的理解
定义
集合幂级数
为了更方便的研究集合的卷积，引入集合幂级数的概念
集合幂级数也是形式幂级数的一种，只是集合的一种表现形式，无需考虑收敛或发散的含义
定义一个集合 \(S\) 的集合幂级数为 \(f\) ，那么我们就可以把集合 \(S\) 表示为如下形式
\(\beginalignedf=\sum _T\subseteq Sf_T\cdot x^T\endaligned\)
\(f_T\)为\(T\)这个集合幂级数的系数
简单来说就是用二进制表示集合的元素是否存在，并将其写成多项式的形式
约定
\(c=\left(a,b\right)\)表示将\(a,b\)连起来组成\(c\)
为了方便，将\(f*g\)写成\(fg\)
卷积运算
加法
\(\beginalignedh=f+g\endaligned\)
那么
\(h_S=f_S+g_S\)
减法
\(\beginalignedh=f-g\endaligned\)
那么
\(h_S=f_S-g_S\)
乘法
\(\beginalignedh=f*g\endaligned\)
那么
\(\beginalignedh_S=\sum_i°j\subseteq Sf_ig_j\endaligned\)
其中\(°\)可以是与，或，异或运算
集合并卷积 就是\(°\)进行或运算
子集卷积 就是\(°\)进行与运算
集合对称差卷积 就是\(°\)进行异或运算
快速求法
加法和减法都可以在\(O(n)\)时间复杂度内求出结果
对乘法，有一些优化的算法，以集合并卷积为例
分治
设\(f\)有\(2^n\)项
考虑将其集合幂级数的第\(n\)个元素提出来
则\(f=f^-+x^\n\f^+\)，可以知道\(f^-\)为前\(2^n-1\)项，\(f^+\)为后\(2^n-1\)项即\(f^-\)的第\(n\)个元素在二进制下为\(0\)，\(f^+\)的第\(n\)个元素在二进制下为\(1\)
\(\beginalignedfg&=\left( f^-+x^\n\f^+\right) \left( g^-+x^\n\g^+\right)\\ &=f^-g^-+x^\n\\left( f^-g^++f^+g^-+f^+g^+\right) \\ &=f^-g^-+x^\n\\left(\left(f^-+f^+\right)\left(g^-+g^+\right)-f^-g^-\right) \endaligned\)
这样计算\(fg\)就只要计算\(f^-g^-\)和\(\left(f^-+f^+\right)\left(g^-+g^+\right)\)了
此时已经没有\(n\)这个元素了，因为
于是我们可以递归分治求解\(fg\)
时间复杂度\(O\left(n2^n\right)\)
\(\mathcalCode\)
void fold (int *f,int *g,int *h,int hlen)//hlen -> half len
if (hlen==1) return void(h[0]=f[0]*g[0]);
for (int i=0;i<hlen;++i) f[i+hlen]+=f[i],g[i+hlen]+=g[i];
fold(f,g,h,hlen>>1),fold(g+hlen,g+hlen,h+hlen,hlen>>1);
for (int i=0;i<hlen;++i) f[i+hlen]-=f[i],g[i+hlen]-=g[i];
快速莫比乌斯变换(FMT)
对于一个集合幂级数\(f\)，我们定义其快速莫比乌斯变换为集合幂级数\(\widehat f\),使其系数满足
\(\beginaligned\widehat f_S=\sum_T\subseteq Sf_T\endaligned\)
由容斥原理，我们可以得到
\(\beginalignedf_S=\sum_T\subseteq S\left(-1\right)^|S|-|T|\widehat f_T\endaligned\)
考虑乘法\(\widehat h=\widehat f\widehat g\)
\(\beginaligned\widehat h_s&=\sum _i\subseteq S\sum _j\subseteq Sf_ig_j\\ &=\left(\sum _i\subseteq Sf_i\right)\left(\sum _j\subseteq Sg_j\right)\\ &=\widehat f_S \widehat g_S \endaligned\)
那么，现在我们知道想办法怎么求\(\widehat f\)和\(\widehat g\)，然后把它们的系数乘起来，就可以得到\(\widehat h\)
然后再将其反演得到\(f\)(因为容斥是肯定会超时的)
考虑递推
我们设\(\widehat f_S^\left(i\right)\)使其满足
\(\beginaligned\widehat f_S^\left(i\right)=\sum _T\subseteq S\left[ \left( S-T\right) \subseteq \left\ 1,2,\ldots ,i\right\ \right] f_T\endaligned\)
即若\(i+1\sim n\)有元素属于\(S\)，则必须要选择，而\(1\sim i\)中的元素可有可无
那么我们最终的\(\widehat f_S=\widehat f_S^\left(n\right)\)，所有的元素都是可有可无的，即它的子集都被包含在内了
考虑第\(S\)中有没有\(i\)这个元素
- 没有，则\(\widehat f_S^\left(i\right)=\widehat f_S^\left(i-1\right)\)
- 有，那么\(\widehat f^\left( i\right) _S=\widehat f^\left( i-1\right) _S+\widehat f^\left( i-1\right) _S- i\)，\(S-i\)表示从\(S\)这个集合中去掉\(i\)这个元素，这个式子的后两项前者是第\(i\)个元素一定被选了，后者则是第\(i\)个元素一定没有被选
而要将其反演，我们考虑其逆过程，只需将所有加上来的全部减去即可
时间复杂度\(O\left(n2^n\right)\)
\(\mathcalCode\)
上面做法都是二维数组
考虑先枚举\(i\)再算所有\(S\)的答案，只需一维数组即可
void FMT (int *a,int n)//n个元素
int all=1<<n;
for (int i=0;i<n;++i)
for (int j=0;j<all;++j)
if (j>>1&1) a[j]+=a[j^(1<<i)];
void IFMT (int *a,int n)//n个元素
int all=1<<n;
for (int i=0;i<n;++i)
for (int j=0;j<all;++j)
if (j>>i&1) a[j]-=a[j^(1<<i)];
快速沃尔什变换(FWT)
我们发现，在进行分治算法中，只需保留出\(f^-,g^-\)，\(\left(f^-+f^+\right),\left(g^-+g^+\right)\)就可以算出答案了
可惜递归的常数相对来说太大，我们考虑将其写成循环的形式就可以得到\(FWT\)了
若不考虑分治写成循环，我们换一种方法理解\(FWT\)，当然，这是另一种思路了，上面将递归改成循环的思路是正确的
上面的\(f=f^-+f^+\)，我们是始终让其满足这个条件的，所以在后面还减去了一个\(f^-g^-\)
让我们跳出思维的局限，弄这么一个\(f',g'\)使其满足\((fg)'=f'g'\)，这样我们只要计算\(f'g'\)，然后把它反演一下就可以得到\(fg\)
这里呢
\(f'=\left(f^-,f^-+f^+\right)\)
为什么这样就可以呢
考虑\((fg)'\)，根据上面的推导
\(\left(fg\right)'=\left(f^-g^-,\left(f^-+f^+\right)\left(g^-+g^+\right)\right)\)
再考虑\(f'g'\)
\(f'^-g'^-=f^-g^-\)
\(f'^+g'^+=\left(f^-+f^+\right)\left(g^-+g^+\right)\)
所以这样是可以的
于是我们可以得到
\(f'=\left(f^-,f^-+f^+\right)\)
然后称这样的\(f'\)叫做沃尔什变换
\(FWT\left(f\right)=FWT\left(f^-,f^-+f^+\right)\)
反演也很简单
即将多算的\(f^-\)减去即可
\(\mathcalCode\)
void FWT (int *a,int n)
for (int len=2;len<=n;len<<=1)
for (int i=0,hlen=len>>1;i<n;i+=len)
for (int j=i,k=j+hlen;j<k;++j)
a[j+hlen]+=a[j];
void IFWT (int *a,int n)
for (int len=2;len<=n;len<<=1)
for (int i=0,hlen=len>>1;i<n;i+=len)
for (int j=i,k=j+hlen;j<k;++j)
a[j+hlen]-=a[j];
时间复杂度\(O\left(n2^n\right)\)
如有哪里讲得不是很明白或是有错误，欢迎指正
如您喜欢的话不妨点个赞收藏一下吧
如能得到推荐博主就更开心了
您的鼓励是博主的动力
以上是关于集合并卷积的三种求法的主要内容，如果未能解决你的问题，请参考以下文章